近日,托管服务器及云计算提供商Rackspace透露,将向私有云客户提供Red Hat Enterprise Linux OpenStack Platform。这些客户主要是Rackspace数据中心或在数据中心内部署私有云的合作伙伴。
期待吗?私有云Red Hat OpenStack要来了
私有云Red Hat OpenStack要来了(图片来自Base One)
Rackspace OpenStack实践产品管理高级总监Bryan Thompson表示:“事实上,客户找到我们提出需要运营经验和专业技能。我们想表达的重点是,围绕部署和运营这些云。我们管理着上万个节点,拥有丰富的经验。”
据了解,这一服务将吸引喜欢Rackspace托管认证、但是致力于Red Hat技术堆栈的客户。如今,一些企业或机构已经围绕Red Hat堆栈进行了标准化,并且在寻求完全认证的堆栈,涉及虚拟机管理程序到客户层、再到中间件到应用。
此次的Red Hat OpenStack发行版并非Rackspace原生,具有客户潜在的需求特性。“对于Red Hat来说,它在提供长期支持模式方面是非常独特的。”Bryan Thompson说。
此外,Red Hat OpenStack还包括Platform Director——用于生命周期管理的工具,从发现到配置控制面板再到配置云节点。企业会发现,产品与Red Hat的平台针对块存储和对象存储进行了紧密集成,包括用于磁盘镜像的快照工具。
作为Rackspace的早期投资者,Red Hat与Rackspace已经合作了十多年。如今,两家公司将私有云带入市场,提供了高可用性SLA的管理服务。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。